继续请教问题:关于 Pytorch 的 Autograd

雷达

5 k1 q; [) `* x/ v  n为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
7 @: Z# Q  [8 [/ K----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

6 p. W- U/ J$ y) k9 ~. [' f/ ~w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
7 B- M; W7 ?$ |7 Q* T9 ^2 J3 ufor i in range(epochs):
  y_pred = (x*w+b)    # 预测
- P" G/ k4 u+ `4 ^! A6 F$ u  y_pred.reshape(-1)
" w( F. g. G% \" K  i& o
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
! ]7 t5 ?: f+ z& w  with torch.no_grad():
" ?- R# [5 B8 ?" _+ f    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
' `. W# _, p) y4 V. k6 }
print(w.item(),b.item()) #结果

' A: k. q. [, r/ P! k. WOutput： 27.26387596130371  0.4974517822265625
4 U% V6 k- }7 _) ^----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
. Y9 j2 z2 _" z  L8 j

老福

- O' p3 F2 h. L/ s! I' d; {. G
/ a, F" G3 S, J+ I0 [0 u没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
  `9 i: M8 G5 p0 H3 g不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
; o/ n! M, N0 [* U# ~-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
& w3 s3 Y( s, ]7 z% w, c  T没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
3 a2 `" e( l. n7 _+ e+ [; O! Q-------
8 w/ b' y( X- K4 ^3 n* s3 L不好意思， ...

2 e8 s$ V4 S# D5 z; b% t谢谢，算法应该没问题，就是最简单的线性回归。
/ k: _, U: S: H' G' p我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
* y" ^) I( E+ E' R% l( @谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

* S2 S$ h$ {* f9 O- U刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

: u- k' v6 I& A" B* y或者把b但的起点改为1试试。

雷达

: L- x+ G( r3 X- z* o! X9 N

老福 发表于 2023-2-14 22:00
, w0 U* s$ K5 E9 H8 T刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
5 l& R5 Q$ m1 v0 V$ y, |/ l
9 C5 G5 m4 B4 z9 q9 O或者把b但的起点改为1试试。 ...

' k4 U! v- |7 O( D; c% h" i) o
你是对的。
  Y) f8 b, _6 `6 N" P7 x7 f4 J# d: T去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
% ]" [! H/ w- S% _: _8 v* |" k
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
* w' }- [  p$ E1 d" e. E6 ]8 d1 i
和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。